深度学习下的分类，目标检测、语义分割这三个方向具体的概念及其应用场景是什么？ 随着Halcon新版本的更新，截止2019年5月1号。Halcon的最新版本为halcon18.11.这次新版本最大的更新在于完整的加入了深度学习在视觉应用的三个重要部分，即目标分类分类、目标检测、语义分割这三个内容。与此同时超人视觉即将向大家简介Halcon软件这三个方向的应用示例，帮助大家进一步认识到机器视觉的魅力与当前的机器视觉技术的应用前沿。 在开始内容前我们先明确一下前面提到的三个重要概念即深度学习下的分类，目标检测、语义分割这三个方向具体的概念及其应用场景是什么？帮助大家理解其技术的产生背景以及形成自己的理解。 1图像分类 图像分类这一类问题常用与区分不同的物品，图像分类，顾名思义，是一个输入图像，输出对该图像内容分类的描述的问题。它是视觉方向的其中一个核心，实际应用广泛。许多同学在学习计算机视觉中有一个练习题是练习如何区分猫狗如图1所示： 我们观察一下这些图片的特点，这些图片各种各样，分辨率也各不相同。图片中的猫和狗形状、所处位置、体表颜色各不一样。它们的姿态不同，有的在坐着而有的则不是，它们的情绪可能是开心的也可能是伤心的，猫可能在睡觉，而狗可能在汪汪地叫着。照片可能以任一焦距从任意角度拍下。 总而言之这些图片有着无限种可能，对于我们人类来说在一系列不同种类的照片中识别出一个场景中的宠物自然是毫不费力的事情，然而这对于一台机器来说可不是一件小事。实际上，如果要机器实现自动分类，那么我们需要知道如何强有力地描绘出猫和狗的特征，也就是说为什么我们认为这张图片中的是猫，而那张图片中的却是狗。这个需要描绘每个动物的内在特征。 本文来源：https://www.wddqw.com/doc/e52e8d056aec0975f46527d3240c844769eaa0ac.html